10.3969/j.issn.1001-2222.2022.06.013
基于深度学习的柴油机部分失火故障诊断
针对现有的失火诊断算法存在人工提取特征过程复杂,特征提取准则不确定等缺点,提出了利用缸盖振动信号结合深度学习算法实现柴油机部分失火故障的诊断方法.在不同的负荷及转速工况下进行柴油机的失火故障试验,并将采集到的缸盖振动信号归一化处理后作为训练深度学习算法的数据集.先后设计了卷积神经网络和更深层的残差网络,通过试验对比,发现具有更多层的残差网络可以更好地实现柴油机部分失火故障诊断,达到了较高的故障诊断准确率,并具有良好的泛化性能,可以在较宽的工况范围内有较好的诊断性能.
柴油机、失火、故障诊断、卷积神经网络、残差网络
TK428(内燃机)
国家重点实验室开放基金SKLER-202010
2023-01-12(万方平台首次上网日期,不代表论文的发表时间)
共8页
76-83